Clase Bioestadistica Normal 10

CONTENIDOS
• Distribución normal
• Teorema del límite central
• Nivel de significancia
• Taller práctico
CARACTERÍSTICAS Y
REPRESENTACIÓN DE VARIABLE ALEATORIA
UNA DISTRIBUCIÓN CONTINUA
NORMAL
DISTRIBUCIÓN NORMAL
DISTRIBUCIÓN NORMAL
ESTÁNDAR EJEMPLOS PRÁCTICOS
Distribución Normal
• Uno de estos modelos probabilísticos que tiene que ver con
variables continuas es la distribución Normal.
• Esta se llama así por ser la más frecuente en la naturaleza, esto es

porque muchas variables siguen esta distribución de frecuencias.
• La distribución normal básicamente dice que hay pocos valores
extremos y que la mayor frecuencia se encuentra en los valores
centrales.
• Esto además coincide con la media, la moda y la mediana.

• Para establecer los límites entre lo habitual y lo raro, es necesario
conocer la distribución de la variable en estudio, en individuos
normales.
• Las frecuencias de escalas de intervalos continuos se representan

gráficamente con histogramas.
• La suma de las superficies de todas las barras equivale al 100% de

las observaciones.
HISTOGRAMA
• Eje horizontal: valores hallados
para una determinada variable
• Eje vertical: número de casos

encontrados para cada valor o
frecuencia de aparición
• El histograma permite obtener

una primera impresión visual
sobre la distribución de los datos
Distribución normal
La mayor parte de los fenómenos del comportamiento humano se
comportan de la siguiente manera:
• La mayoría de las puntuaciones se concentran en el centro de la

distribución
• Tanto en el extremo inferior como en el superior, encontraremos

sólo algunos casos
Ejemplo:
 Distribución del coeficiente intelectual de las personas:

 Pocas personas presentan déficit o retardo
 Pocas personas son genios
 La mayoría somos personas medianamente inteligentes
•La distancia entre la línea trazada en la media y el punto de
inflexión de la curva es igual a una desviación estándar
•La distribución queda completamente definida por el promedio y la

desviación estándar:
El promedio ± 1 D.E = 68,3% de los casos.

El promedio ± 2 D.E = 95,4% de los casos.
El promedio ± 3 D.E = 99.7% de los casos.
Gráfica de una distribución normal y significado del área bajo la
curva.
Valores de tensión arterial sistólica en una muestra de 1000
pacientes isquémicos ingresados en UCI.
Histogramas y gráficos de probabilidad normal de los valores de
peso y edad en dos muestras de pacientes.
Definición de variable aleatoria continua
Una variable aleatoria continua es aquella que puede asumir un número

infinito de valores dentro de un determinado rango.
Por ejemplo, el peso de una persona podría ser 80.5, 80.52, 80.525,...
dependiendo de la precisión de la báscula.
Definición de distribución de probabilidad normal:

La Normal es la distribución de probabilidad más importante. Multitud de
variables aleatorias continuas siguen una distribución normal o
aproximadamente normal.
Una de sus características más importantes es que casi cualquier
distribución de probabilidad, tanto discreta como continua, se puede
aproximar por una normal bajo ciertas condiciones.
• La importancia de la distribución normal se debe principalmente a que
hay muchas variables asociadas a fenómenos naturales que siguen el
modelo de la normal
• Caracteres morfológicos de individuos (personas, animales, plantas,...)

de una especie, por ejemplo: tallas, pesos, diámetros, distancias,
perímetros,...
• Caracteres fisiológicos, por ejemplo: efecto de una misma dosis de un

fármaco, o de una misma cantidad de abono
• Caracteres sociológicos, por ejemplo: consumo de cierto producto por un

mismo grupo de individuos, puntuaciones de examen
•Errores cometidos al medir ciertas magnitudes.
•Valores estadísticos muéstrales, por ejemplo : la media.
•Otras distribuciones como la binomial o la de Poisson

son aproximaciones normales, ...
La distribución de probabilidad normal y la curva normal que la
representa.
Propiedades de la distribución norma estándar
• La curva normal tiene forma de campana y la mayor parte del

área de esta campana (Bell) se encuentra donde la media.
De esta manera, la media aritmética, la mediana y la moda de la

distribución son iguales y se localizan en el pico.

Así, la mitad del área bajo la curva se encuentra a la derecha de
este punto central y la otra mitad está a la izquierda de dicho
punto.
• La distribución de probabilidad normal es simétrica alrededor

de su media.
El área debajo de la campana es de 1, y se divide por 0.5 a la

izquierda y 0.5 a la derecha de la media.
16
•Es simétrica con respecto a la media.
•La media, moda, y mediana coinciden.
•Hay dos parámetros que determinan su forma: la media y

la desviación estándar.
17
En resumen
Cálculos de áreas bajo la curva
Características de la
distribución normal estándar
 No depende de ningún parámetro.
 Su media es 0, su varianza es 1 y su desviación estándar es 1.
 La curva f(x) es simétrica respecto del eje de Y
 Tiene un máximo en el eje de Y.
 Tiene dos puntos de inflexión en z=1 y z=-1
Estandarización de las variables
Suelen utilizarse 2 tipos de tablas
En los dos casos, la tabla fija en la primera columna
el valor de z con una cifra decimal y, la segunda
cifra decimal de z condiciona la columna que ha de
seleccionarse. En el cruce encontramos el área
buscada.
23
Distribución Normal o
campana de Gauss-Laplace
Probabilidad de Ocurrencia
Supongamos que frente a una determinación de glucosa en la sangre

tengamos que definir si este valor es normal o no.
Aceptemos que la glucosa sanguínea tiene una distribución normal

con promedio 83 y desviación estándar 4
Supongamos un paciente con glucosa de 90, para determinar si es

habitual tener ese valor, o superior, debemos conocer la
probabilidad con que esto ocurre
• Para calcular el área bajo la curva, lo cual corresponde a la
probabilidad de ocurrencia, se han construido tablas de áreas de la
normal.
• Esta tabla se trabajo, con el concepto de

curva normal estandarizada => media = 0 y S = 1
• Para poder usar estas tabulaciones es necesario transformar la

variable original en que están todos los datos de manera que su
promedio y su desviación estándar tengan esos valores.
Puntaje “z”
Teorema del Límite Central
Nos indica que, bajo condiciones muy generales, según aumenta la
cantidad de datos, la distribución de la suma de variables aleatorias
tendera a seguir hacia una distribución normal.
En otras palabras el Teorema del Límite Central garantiza una

distribución normal cuando el tamaño de la muestra es
suficientemente grande.
Ejemplo:
En el siguiente histograma podemos observar la distribución de frecuencias por peso
de acuerdo a la edad. De acuerdo a este teorema según aumenten la cantidad de dato
se podrá trazar una curva que tome cada vez más formación en forma campana.
La función F(z)
• En la siguiente gráfica vemos la representación gráfica de la
función de Z.
• Podemos decir que el valor de Z es la cantidad de desviaciones
estándar a la que está distanciada la variable X del promedio.
• A la variable Z se la denomina variable tipificada de X, y a la curva

de su función de densidad se le conoce como la curva normal
estándar
• Tiene un valor Mínimo y un Máximo
Pasos para determinar el área bajo la curva normal estándar:
Paso 1 - Interpretar gráficamente el área de interés.

Paso 2 - Determinar el valor Z
Paso 3 - Buscar en la tabla de probabilidades.
Paso 4 - Hacer la suma o resta de áreas para encontrar la
probabilidad deseada
Ejemplos y ejercicios
Supongamos que sabemos que el peso de los/as estudiantes
universitarios/as sigue una distribución aproximadamente normal,
con una media de 140 libras y una desviación estándar de 20 libras.
Determine la probabilidad de que una persona tenga un peso menor

o igual a 150 libras
Valores de z
• Para poder transformar la variable en unidades de desviación
estándar.
• Se lleva hace la transformación en lo que se llama la normalización que
se hace con la siguiente fórmula.
Ejemplos
• La probabilidad de que un valor caiga entre 0 y 1.35 σ
• Es de 0.4115
• La probabilidad de que un valor caiga entre -1.35 y +1.35 σ
• Es de 0.823
• La probabilidad de que un valor sea superior a 1.35 σ es de 0.0885
• Que es la misma probabilidad de un valor menor a -1.35
Paso 2 - Determinar el valor Z: X  X 150  140
Z   0.50
 20
Paso 3 - Buscar en la tabla de probabilidades.

Buscamos en la Tabla 1 el valor Z=0.50 y obtenemos el área de 0.6915
Paso 4 - Hacer la suma o resta de áreas para encontrar la probabilidad
deseada.
En este ejemplo no es necesario realizar ningún computo adicional ya
que el área es la misma que se representa en la Tabla 1
Área bajo la curva normal estándar
El área bajo la curva normal estándar es útil para asignar probabilidades de
ocurrencia de la variable X.
Debemos tomar en cuenta que el área total bajo la curva es igual a 1. Y
que, por ser una gráfica simétrica, cada mitad tiene un área de 0.5.
Z 0.00 0.01 0.02
0.0 0.0000 0.0040 0.0080
0.1 0.0398 0.0438 0.0478
0.2 0.0793 0.0832 0.0871
0.3
0.4
0.1179
0.1554
0.1217
0.1591
0.1255
0.1628
Obtenga mas información
0.5
0.6
0.1915
0.2257
0.1950
0.2291
0.1985
0.2324
de cómo asignar
0.7
0.8
0.2580
0.2881
0.2611
0.2910
0.2642
0.2939
probabilidades utilizando
0.9
1.0
0.3159
0.3413
0.3186
0.3438
0.3212
0.3461
las Tablas.
1.1 0.3643 0.3665 0.3686
1.2 0.3849 0.3869 0.3888
1.3 0.4032 0.4049 0.4066
39
40
41
Valor observado: 50
Promedio: 60
Desviación estándar: 10
z = 50 – 60 = -10 = -1
10 10
Podemos decir que el valor “50” está localizado a una desviación

estándar por debajo de la media de la distribución .
El valor “30” estará a tres desviaciones estándar por debajo de la

media.
Haciendo uso de la tabla que proporciona áreas a la
izquierda de cada valor z de la distribución normal
tipificada, calcular las áreas siguientes :
a)Pr(z<0.105) b) Pr(z<-0.338)
c) Pr(z>2.1) d) Pr(z>-1)
e) Pr(-1.39< z ≤ -0.44) f) Pr(-1.52 ≤ z ≤ 0'897)
g) P(Z ≥ -0.1) h) p(Z < -2)

44
En el cálculo de áreas (probabilidades) en variables continuas, Pr(x≤a)
equivale a Pr(x<a).
Tendremos que referir los cálculos a probabilidades del tipo Pr(z < a) ,
estando expresado el valor a con dos cifras decimales :
Pr( z < 1.35)
45

Clase Bioestadistica Normal 10

Cargado por

Copyright:

Formatos disponibles

Clase Bioestadistica Normal 10

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Clase Bioestadistica Normal 10

Cargado por

Copyright:

Formatos disponibles

CONTENIDOS

• Teorema del límite central

• Esta se llama así por ser la más frecuente en la naturaleza, esto es

• Esto además coincide con la media, la moda y la mediana.

• Las frecuencias de escalas de intervalos continuos se representan

• La suma de las superficies de todas las barras equivale al 100% de

• Eje vertical: número de casos

• El histograma permite obtener

• La mayoría de las puntuaciones se concentran en el centro de la

• Tanto en el extremo inferior como en el superior, encontraremos

 Distribución del coeficiente intelectual de las personas:

•La distribución queda completamente definida por el promedio y la

El promedio ± 1 D.E = 68,3% de los casos.

Una variable aleatoria continua es aquella que puede asumir un número

Definición de distribución de probabilidad normal:

• Caracteres morfológicos de individuos (personas, animales, plantas,...)

• Caracteres fisiológicos, por ejemplo: efecto de una misma dosis de un

• Caracteres sociológicos, por ejemplo: consumo de cierto producto por un

•Valores estadísticos muéstrales, por ejemplo : la media.

•Otras distribuciones como la binomial o la de Poisson

Propiedades de la distribución norma estándar

• La curva normal tiene forma de campana y la mayor parte del

De esta manera, la media aritmética, la mediana y la moda de la

• La distribución de probabilidad normal es simétrica alrededor

El área debajo de la campana es de 1, y se divide por 0.5 a la

•La media, moda, y mediana coinciden.

•Hay dos parámetros que determinan su forma: la media y

Supongamos que frente a una determinación de glucosa en la sangre

Aceptemos que la glucosa sanguínea tiene una distribución normal

Supongamos un paciente con glucosa de 90, para determinar si es

• Esta tabla se trabajo, con el concepto de

• Para poder usar estas tabulaciones es necesario transformar la

En otras palabras el Teorema del Límite Central garantiza una

• A la variable Z se la denomina variable tipificada de X, y a la curva

Paso 1 - Interpretar gráficamente el área de interés.

Determine la probabilidad de que una persona tenga un peso menor

Paso 3 - Buscar en la tabla de probabilidades.

Podemos decir que el valor “50” está localizado a una desviación

El valor “30” estará a tres desviaciones estándar por debajo de la

e) Pr(-1.39< z ≤ -0.44) f) Pr(-1.52 ≤ z ≤ 0'897)

g) P(Z ≥ -0.1) h) p(Z < -2)

También podría gustarte